双视图推理

第二视角图像能否充当一种语言？面向 X 射线违禁品检测的几何与语义跨模态推理

Can a Second-View Image Be a Language? Geometric and Semantic Cross-Modal Reasoning for X-ray Prohibited Item Detection

把第二视角图像当作「类语言模态」与文本语义联合对齐，并用结构化思维链（top→side→conclusion）组织跨视角几何与跨模态语义的推理，这一设定可迁移到任何多视角+文本的检测或问答任务中。